Hallo zusammen,

ich werde voraussichtlich Ende nächsten Jahren meinen Master in Wirtschaftsmathematik (mit Vertiefung in diskreter Optimierung) abschließen. Ich interessiere mich sehr für den Bereich Data Science und Machine Learning und könnte mir vorstellen, dort nach dem Master in freien Wirtschaft, beispielsweise im Einzelhandel, Fuß zu fassen. Während des Studiums hatte ich bereits ein paar Vorlesungen im Bereich Machine Learning und Statistik und ich habe seit zwei Jahren eine Hiwi/Werkstudenten-Stelle, in der es primär darum geht, große Datensätze zu analysieren. Dabei konnte ich schon ein paar Erfahrungen mit Python und R sammeln.
Allerdings habe ich von verschiedenen Seiten gehört, dass Data Science Stellen aktuell sehr überlaufen sind und die wirklich interessanten Stellen vor allem an Personen gehen, die zum Thema Statistik oder Machine Learning promoviert haben. Deshalb habe ich das Gefühl, dass meine Kenntnisse nicht ausreichen könnten und ich da nicht so wirklich mithalten könnte.
Falls ich promovieren sollte, wäre mein Thema wahrscheinlich eher im Bereich Optimierung und Graphentheorie angesiedelt, da ich in diesem Gebiet am ehesten meine akademische Vertiefungsrichtung sehe. Langfristig möchte ich jedoch im Bereich Data Science arbeiten.

Denkt ihr, es würde sich lohnen, mich akademisch ein wenig umzuorientieren und eine Promotion in Machine Learning anzustreben oder könnten meine Kenntnisse doch ausreichen, um nach dem Master als (Junior) Data Scientist einzusteigen?

LG

Hmm, ist gerade ein wenig schwierig zu beantworten, da sich der Markt gerade konsolidiert.
Ich bin jetzt seit mehreren Jahren in der Data Science Architekturentwickung und arbeite viel mit Physikern, Mathematikern, usw. zusammen (bin selber WiWi mit Promotion).
Ja, man analysiert noch Datensätze und ja, auch Optimierung spielt eine Rolle. Es findet aber aktuell in vielen Unternehmen der (überfällige) Shift hin zur Operationalisierung statt. - also Entwicklung und Etablierung der IT-Plattform und das Handling mit der Datenlandschaft -> Data Engineering. Es ist wesentlich wichtiger, sich Softwaredevelopmentskills bzw. generell IT-Skills anzueignen, als noch stärker Richtung Data-Science-Algorithmik zu gehen. Die wenigen Stellen, wo es um wirklich tiefgreifendes Know How geht, also so etwas wie IOT und Computervision im end-to-end Bereich) sind sehr rar gesät und bedürfen jahrelange Erfahrung. Das selbe gilt natürlich auch für R&D-Abteilungen in großen Konzernen wobei es dort eher so ist, dass die Data Science auch von den Fachkräften übernommen wird. In diesem Bereich kann sich eine Promotion lohnen. In den anderen Bereichen lernt man im Job nach dem Master mittlerweile vermutlich mehr.

Man darf sich aber nichts vormachen. Die standard Data-Science-Position wird nach und nach zu einer normalen IT-Stelle herabgestuft und ist genauso vom Outsourcing betroffen, wie alle anderen IT-Stellen auch. Die großen Dienstleister aus Asien und Osteuropa puschen seit kurzem mit aller Macht in dieses Segment.
Die wirklich wichtigen Stellen, liegen in der Administration und dem Management zwischen den einzelnen Unternehmen und eben jenen Dienstleistern.